数据分析优化，实现智能生产与管理。 应用场景：产线优化、智能排程、设 备预测性维护、基于大数据分析的质 量优化、现场库存优化等 展示页 8 GUANLIJISHUHUA GUANLIJISHUHUA 传统制造 认知制造 • ERP • 套装软件 • 数据库 • 工业自动化 • 互联网技术 • 社交网络 • 移动技术 • 工业物联网 • 大数据分析 • 云计算 • 深度学习 • 增强现实技术 • 机器人 • 实现数字化 实现智能化 2025 或更早 智能制造 主要的应用技术 对业务的影响 制造业的演变 当前 认知制造是智能制造的最终目标 2015 前 2015-2025 展示页 9 GUANLIJISHUHUA GUANLIJISHUHUA 推广阶段 实施阶段 探索阶段 分析验证 互联落地 互联，流程数据打通，实时数据共享 • 在生产线或局部生产区域实施认知解决方案 • 效益得到实现 • 多个认知方案的实施和集成 • 认知运营控制中心的建立 • 认知模型逐步收敛，集成。运营效率有跨越式的提高 • 实现认知型企业 • 和供应商，客户，级各类合作伙伴共享认知平台 • 实现单件盈利模式（ Profitable Lot Size One ） 转型阶段 认知制造有四个主要阶段 展示页 10 GUANLIJISHUHUA

体系化数据灾备及可观测性方案 分级数据保护方案 AnyShare 高性能保护方案 爱数，以全域数据能力加速数据驱动智慧校园建设 人 GAny Backup 多云时代 统一数据管理平台 AGI 赋能的 领域认知智能框架 AGI 时代的 智能内容管理平台 云原生时代的 可观测性平台 爱数，以专注、技术创新为本，发挥全域数据能力 数据驱动智慧校园建设｜ 07 KN 领域知识网络 KN Tools 数据处理 Cleaning 数据清洗 Version 版本管理 认知助手 AnyFabric 认知助手 Cognitive Analytics 认知分析 认知层 经济的大模型一体机 混合数据湖 以安全、经济的领域认知智能架构拥抱 AGI 时代，助力智慧校园建 设 知识网络工作台 模型工厂 认知应用工作台 工作台 服务层 工具层 知识层 产品层 KN 知识网络构建 Cognitive App Dev 认知应用开发 Evaluator 大模型评估 Finetune Tool 微调工具 ConceptBases 概念库 RuleBases 规则库 基础层 AnyBackup 认知助手 AnyRobot 认知助手 eQ AnyShare 认知助手 增强 Generative Search

分钟和大家分享的内容： • 01 ：对 AI 技术的认知 • 02 ：对 AI 教育的思考 • 03 ：我们的 AI 教育实践 VUCA 时代， AI 技术日新月异，所有的认知、思考、实践都在迭代 中 …… 主要内容 01 对 AI 技术的认知 n AI 是一种工具，也是一种赋能，更是一种思考范式。 n 我们从三个角度来认知 AI 技术： • 人工智能的本质 • 大模型的能力边界 大模型的能力边界 • 通向 AGI 之路 01 对 AI 技术的认知：人工智能的本质 智能（ Intelligence ）：以模型为核心，是对真实世界的模拟和解释 • 用语言逻辑方法获取理论模型：模糊 • 用解析数学方法获取数学模型：精确 • 用计算数学方法获取数据模型：近似 • 用机器学习方法获取概率模型：复杂 • 用人工神经网络获取网络模型：黑盒 • 3. 要素：机器学习 - 深度学习 • 模型：神经网络模型（分层；单向） • 策略：损失函数定义 01 对 AI 技术的认知：人工智能的本质 人工智能（ ArtificiaI Intelligence ）：第三代，核心是数据智能，以史为鉴 n 从感知智能到认知智能 1. 专用任务模型： NLP 、 CV 、 Gaming…… 2. 通用任务模型： AIGC • Diffusion

主要内容 30分钟和大家分享的内容： • 01：对AI技术的认知 • 02：对AI教育的思考 • 03：我们的AI教育实践 VUCA时代，AI技术日新月异，所有的认知、思考、实践都在迭代中…… 01 对AI技术的认知  AI是一种工具，也是一种赋能，更是一种思考范式。  我们从三个角度来认知AI技术： • 人工智能的本质 • 大模型的能力边界 • 通向AGI之路 01 对AI技术的认知：人工智能的本质 智能（Intelligence）：以模型为核心，是对真实世界的模拟和解释 人类智能 • 抽象（语言）：概念，数字，理念 • 逻辑（理性）：归纳，演绎，类比 • 计算（模型）：科学方法 • 基于观测经验，发现规律 • MIT：一切问题都是模型问题 • 模型：一个映射，一个函数 科学范式 用解析数学方法获取数学模型：精确 • 用计算数学方法获取数据模型：近似 • 用机器学习方法获取概率模型：复杂 • 用人工神经网络获取网络模型：黑盒 • 超过两层的神经网络可以逼近任意连续函数 01 对AI技术的认知：人工智能的本质 人工智能（ArtificiaI Intelligence）：第三代，核心是数据智能，以史为鉴 ◼ 从规则到数据：逐步破除我执（去人类中心主义） 1. 第一代（规则系统）：推理为核心

代表企业—傅利叶 l 代表企业—慕思股份 l 代表企业—中福康科技 l SWOT分析 l 市场趋势预测 l 市场建议 l 市场需求洞察 l 需求案例—毫米波雷达 l 需求案例—认知障碍筛查软件 l 需求案例—AI陪伴机器人 目录 x x 01 中国适老化智能 科技行业现状 x x x 宏观背景：中国步入深度老龄化社会 Ø 中国正以前所未有的速度迈入深度老 助行机器人 助浴设备 适老化智能家 居 环境传感器 一键呼叫器 毫米波雷达 智能摄像头 红外传感器 紧急联系手环/手表 陪伴机器人 数字疗法产品 智能相框 老年人专用社 交软件 认知障碍筛查与训练软件/游戏 适老化改造 科技赋能 养老产业十二大类 适老化智能科技产品 x x 市场规模：千亿蓝海，蓄势待发 Ø 中国适老化智能科技产品市场规模在过去几年中实现了高速增长，根据亿欧数据，2025年市场规模将 或模糊的指令，进行多轮对话，主动关怀询 问，同时搭配 AI 动态视线追踪系统，确保 用户始终处于视野范围内，避免交互中断。 案例： 智慧养老平台通过长期分析一位老人的 睡眠数据、起夜频率、活动量等，可以提前预 警其潜在的泌尿系统问题或认知能力下降风险， 并建议进行体检 。 感知技术 技术的进步使得健康和安全监测从“有感”走向 “无感”，从“接触式”走向“非接触式”。 连接技术 5G、Wi-Fi 6等通信技术的发展，使得海量智能设

加入 提高 一切正在转化为数据 连接比拥有更重要 持续领先企业所拥有的数字化生存能力，关键核心是企业家认知的改 变 六个关键认知 从竞争逻辑转向共生逻辑 开放、信任和协同是关键 顾客主义 长期主义 数据 媒介 价值本身 企业创新价值空间 方向 六个关键认知 认知一：一切正在转化为数据 效率改变 模式创新 成为 影响 数据特定价 值 从供应转向协同共生 本形态 n 集合智慧是解决 之道 认知二：连接比拥有更重要 连接比拥有更重要 命运共同体 可信 度 安全 性 认知三：开放、信任和协同是关键 生态 伙伴 企业 实现数字化的 核心关键 协同 价值 开放 信任 协同 战略底层逻辑 转向 共生逻辑 竞争逻辑 认识四：从竞争逻辑转向共生逻辑 数字化时代 认知五：顾客主义 企业定义：创造客户价值 顾客需求 + 技术 全新战略空间 认知六：长期主义 需要长期主义认知能力原因： 1. 企业与环境是一种共生关系 2. 用整体论认识世界 3. 能帮企业确定自己组织使命正义性 n n n 以数字资源为核心要素 以信息技术为内生动力 以互联网为依托 融合创新

思维和应用能力的复合型人才，我们 必须重新思考大模型时代对人才的能力要求。这种转变既反映了 AI 应用的深化，也体现了企业对人才能力的新要求。 在 AI 人才短缺的困境中，高管普遍低估了员工学习和接纳 AI 的意 愿。这一认知偏差不仅限制了企业对现有人才的培养投入，也阻碍了 AI 在企业内部的推广和应用。 无论是处于 AI 探索阶段还是已经开展 AI 应用的企业，最突出的痛点 是组织缺乏 AI 专业知识或技能。这一问题正成为制约企业 在重点行业和细分场景的创新实践 2.1.1 AI 在医疗健康行业的应用 2.1.2 AI 在零售行业的应用 02 08 09 09 企业 AI 应用落地核心挑战：认知偏差与人才短缺 3.1 企业普遍缺乏对 Al 的专业认知和技能 3.2 AI 人才短缺 3.3 高管低估了员工学习和接纳 AI 的意愿 03 12 13 15 人才是变革的关键 4.1 引入大模型≠提升生产力 04 采用指数》，无论是处于 AI 探索阶段还是已经开展 AI 应用的企业，最突出的痛点是组织缺乏 AI 专业知识/技能。这一问题正成为制约企业 AI 应用落地和战略转型的主要瓶颈。 企业普遍缺乏对 Al 的专业认知和技能 3.1 知名管理咨询公司科尔尼 (Kearney) 联合 Futurum Group 发布了研究报告《CEO 是否 已准备好把握 AI 潜力？》，该报告调研了全球 200 多位企业年收入超

建设困境以及业务系 统智能化水平的局限，提出了基于大语言模型技术重构智慧应急的知识管理模式，在此基础上构想能够协同创新、全域感知、 决策支持的应急大脑，从而实现整体业务系统智能化水平从感知智能到认知智能的提升。 关键词 大语言模型，智慧应急，知识管理，应急大脑 引用格式 龚晶，黄欢. 基于大语言模型技术的智慧应急应用：知识管理与应急大脑 [J]. 指挥与控制学报，2025，11（2）：217-224 abili⁃ ties）[5]，不仅能够理解和生成自然语言，还具有抽象 和推理的能力[6]，能在艺术创作、代码编写、科学研 究等多个领域展现出类似人类水平的创造力。这些 能力的涌现，使得知识创新不再受限于个体的认知 和经验，能够打破学科和专业的壁垒，加速知识的 融合和创新，预示着知识生产方式正在经历一场深 刻的变革，将引领我们进入了一个人机协作的知识 生产新模式 [7-8]。 1.1 知识获取 1.1.1 杂的、模糊的问题。 1.1.2 主动学习 与传统结构化的知识获取方式相比，大模型采 用自监督学习方法，主动捕捉训练文本中更深层次 的特征和规律，而非在预设知识结构下的信息抽 取[11]，从而具有突破已有认知局限实现创新的潜能。 1.1.3 数值计算过程 模型通过优化其预测下一个单词（如 GPT）或填 充缺失单词（如 BERT）的能力，来调整多层神经网络 模型的内部大量神经元连接权重参数，实现对知识